溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章將為大家詳細講解有關keras中實現自定義上采樣層的方法，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。
Keras里的UpSampling2D層不是中的雙線性內插，而是簡單的重復圖像。這點和pytorch不一樣，pytorch默認使用的是雙線性內插。
同樣：這里仍然使用的是keras而不是tf.keras.
keras里UpSampling2D的部分定義說明如下：
class UpSampling2D(Layer): """Upsampling layer for 2D inputs. Repeats the rows and columns of the data by size[0] and size[1] respectively.
可以看出，這里的上采樣確實只是簡單的圖像重復。
要想使用雙線性或者最近鄰或者雙三次插值上采樣，則需要在tf的tf.image.resize_images函數基礎上進行包裝，代碼如下：
####定義：
def my_upsampling(x,img_w,img_h,method=0):
"""0：雙線性差值。1：最近鄰居法。2：雙三次插值法。3：面積插值法"""
return tf.image.resize_images(x,(img_w,img_h),0)
###調用：
Lambda(my_upsampling,arguments={'img_w':self.img_w,'img_h':self.img_h})(output_6)
###load_model時注意加上tf：
model = keras.models.load_model('my_model.h6', custom_objects={'tf': tf})補充知識：keras中使用內置模型語義分割上采樣維度不匹配
1.卷積時要使用padding=same因此要修改原來的padding=valid
x = conv2d_bn(img_input, 32, 3, strides=2, padding='same')
2.池化時卷積核大小修改為2而不是原來的3
branch_pool = layers.MaxPooling2D(2, strides=2, padding='same')(x)
關于keras中實現自定義上采樣層的方法就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
